近日，一款名为Director3D的新框架引起了行业内的广泛关注。这款框架的设计目标是提升现实世界3D场景的生成和相机轨迹的模拟。Director3D运用了一种名为轨迹扩散变换器（Trajectory Diffusion Transformer）和多视图...

在预训练中，如何积极选择下一批最好的样本是一个挑战性和开放性的问题。DeepMind的这项工作探索了如何只花费10%的浮点运算和硬挖掘负样本，仍然能匹配各种任务的最新技术。在这个过程中，他们采用了一种名为“联合样...

近期，Toucan发布了一套新的文本转语音模型，这套模型已经扩展，可以支持所有ISO-639-3标准语言。这个开创性的举措，将使全球各地的用户都能享受到语言转换的便利。无论是在学习、工作，还是日常生活中，这都是一项...

近期，OpenAI继续其收购狂潮，此次他们收购了一项名为Multi的基础桌面应用技术。此举旨在为OpenAI的未来发展提供更坚实的技术基础，使得他们在人工智能领域的研究和应用能有更大的突破。OpenAI一直以来都致力于在人...

科研人员已经通过在最大熵框架内增加一种本地Q值学习方法，改进了用于多代理强化学习的流行方法QMIX。这种新的改进方法可以使多代理模型在进行任务处理时，更加精确和高效。本地Q值学习方法的引入，使得每个代理都能...

GenS是一款端到端的通用神经表面重建模型，能够在没有3D监督的情况下，从多视图图像中出色地重建表面。与传统的表面重建方法相比，GenS在处理复杂的几何形状和纹理细节方面表现尤为突出。这一模型不仅提高了重建的精...

随着人工智能（AI）技术的不断进步，AI正在向多模态和边缘计算方向发展。这种转变不仅改变了我们对AI的使用方式，还大大提高了其在实际应用中的有效性。多模态AI是指能够处理多种形式的数据，例如文本、图像和语音，...

Mora是一款创新的视频生成模型，它利用多个视觉AI代理，旨在挑战OpenAI的领先模型Sora。Mora的独特之处在于其多代理系统，这使得它在视频内容生成的多样性和质量上表现出色。通过集成高级视觉处理技术和机器学习算法...

研究人员近日发布了一个名为4K-Rain13k的新数据集，这一数据集中包含了13,000对4K分辨率的图像，旨在解决超高清（UHD）图像中的去雨问题。4K-Rain13k数据集的推出，为图像处理和计算机视觉领域提供了宝贵的资源，使...

Yuan 2.0-M32是一款具备40亿参数的专家混合模型，其中任意时刻仅有3.7亿参数处于激活状态。尽管其计算需求仅为Llama 3 70B的1/19，但其性能却接近后者。该模型在2万亿个token上进行了训练，展现出了令人惊讶的强大性...